上证指数的预测分析——基于ARIMA模型

本文通过以2013年11月3日至2016年11月18日上证指数的收盘价作为样本容量,构建ARIMA模型对时间序列进行预测分析.通过上证指数的时间序列图来判断其序列的平稳性,并根据单位根检验的结果进行差分,由此判断阶数,构建模型ARIMA(p,d,q),并对上证指数收盘价进行短期预测.通过研究分析,发现此模型能够作为金融投资的一个非常重要的工具,它具有良好的短期预测效果.     

基于ARIMA模型的收盘价预测分析

本文旨在以时间序列模型为基础,选择爱尔眼科收盘价为研究对象,对其在2009年10月30日-2015年12.31日的除去部分缺失值后的1493个日收盘价数据采用R软件进行研究分析.在此,本文采用时间序列分析中的一种常见ARIMA模型进行相关的分析和预测,并对未来5天的日收盘价做短期预测.通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA 模型做股票价格预测是可行的.     

基于SARIMA-GARCH模型的海南省月度CPI预测

稳定物价是政府市场调控的一个重要目标,因此把握CPI的宏观趋势具有一定的现实意义.本文依据海南省2000年1月至2015年12月月度CPI值,运用ARIMA季节模型进行拟合,考虑残差可能的ARCH效应,并对2016年1月至10月的CPI进行了预测.实证表明,ARIMA(2,1,2)(1,0,1)[12]模型能对海南省月度CPI起到较好的预测效果,对于政府政策制定调控市场具有一定的参考价值.     

基于GARCH-BP模型的股指预测及实证分析

本文通过建立BP神经网络预测模型和GARCH-BP神经网络预测模型,对2004￣2005年间深圳成分指数的日收盘价进行了预测分析,经过实证比较,发现GARCH-BP模型较BP模型的收敛速度快,学习能力强,预测精度较高,误差率较小。     

美元指数收益率波动的比较分析——基于单因素GARCH族模型

美元在世界货币体系中占据首要地位,选取适当的方法对美元汇率波动性进行解释和预测,具有重要意义。首先介绍了四种广义自回归条件异方差(GARCH)模型,然后运用2007年6月1日到2014年5月1日的美元指数收盘价数据,基于GARCH族模型对美元指数收益率进行分析,将对称GARCH与非对称GARCH模型的预测效果进行对比,发现对称GARCH模型中历史波动情况对当前波动的影响较非对称GARCH模型更显著。     

股指期货对股票现货市场波动性影响的实证研究

本文选取1984年1月13日至2008年9月10日香港恒生股指期货的日收盘价作为原始数据,建立了GARCH模型与EGARCH模型就股指期货对股票现货市场波动性的影响进行实证研究,得出香港恒生股指期货的引入在一定程度上降低了香港股票现货市场的波动性等结论。     

基于ARIMA模型对我国黄金期货价格分析与预测

本文基于ARIMA模型,对黄金期货建立了价格预测模型,并对2016年1月18日至2017年1月10日内共241个交易日的上海期货交易所的黄金期货的结算价数据的变动规律和短期趋势进行了预测.实证结果表明:ARIMA模型可以对黄金期货价格走势做出短期预测,能够大体上反映出黄金期货价格的波动情况,并为投资者以及企业在进行相关决策时提供有价值的参考.然而预测误差随着预测时间的增加而变大.     

基于ARIMA与GARCH模型的国际油价预测比较分析

在分析影响油价波动因素的基础上,利用1986年1月至2010年12月的WTI国际原油价格月度数据,分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测,检验模型的预测效果。比较分析发现,在短期预测中,ARIMA和GARCH模型对油价的预测均比较准确,但当油价由于受到重大事件的影响而有较大波动时,模型的预测精度下降;在长期预测中,GARCH模型的预测效果优于ARIMA模型;整体来看,GARCH模型预测的精度高于ARIMA模型。因此,在国际油价预测中,用GARCH模型是比较合适的。     

基于GM(1,1)模型的入境旅游发展研究——以浙江省滨海城市为例

基于灰色系统理论,以浙江省滨海7城市2000—2010年入境旅游统计资料为原始数据,建构旅游指标GM(1,1)灰色预测动态模型并进行模型精度检验;对预测结果分析表明,模型预测结果与实际数据比较接近,进而利用该模型对浙江省滨海7城市2012—2016年入境旅游指标进行预测;最后,提出浙江省滨海7城市入境旅游可持续发展对策。     

ARMA-GARCH模型的期货价格预测比较研究

影响期货价格的因素非常多,且期货价格波动幅度大,对其进行准确的预测是困难的。但期货市场价格波动又有其自身内在的特点,基本因素分析法虽然能够大致确定市场未来走势,却很难定量化,技术分析方法的判断常提前或滞后且容易导致＂走势陷阱＂,因此本文运用WIND金融资讯数据库上的日收盘价数据,分别用ARMA模型和ARCH模型族中的GARCH模型,利用Eviews5.0软件对于期货价格进行预测并进行比较。     

基于搜索大数据的旅游需求自回归分布滞后模型预测研究

基于搜索引擎的搜索指数记录了关于某一关键字或某个类别的用户搜索历史,这些时间序列数据可为经济活动的预测提供原始实时依据。文章通过引入搜索大数据构建自回归分布滞后模型(即ARDL模型)预测旅游需求。具体研究内容是以美国2004年1月至2016年9月入境中国香港旅游人数为因变量、搜索指数的滞后变量为自变量建立自回归分布滞后模型,并进行预测分析。实证结果表明,搜索指数与入境旅游数具有正向相关关系,搜索指数可以提高旅游预测精度。研究结果可为网络信息计量学理论、旅游管理预测提供实证数据参考。     

GARGH模型在上海股票市场波动性中的应用

研究股市波动性,有利于投资者的决策,同时有利于有关部门制定相关政策,来规范证券市场。本文以1997年1月2日至2010年8月5日的上证指数每日收盘价数据为样本,运用GARCH模型对其进行实证分析。第一部分简单介绍以往的关于股市波动性的研究,第二部分介绍了GARCH模型,第三部分运用GARCH模型进行实证分析,第四部分是本文的结论。     

贺州市CPI时间序列模型的建立及预测

本文选取了1985年至2015年的贺州市CPI数据,利用Evies6.0软件,建立时间序列模型,分析贺州市居民消费者价格指数随时间变化的规律,并对其进行了短期预测,结果表明：未来两年贺州市居民消费者价格指数仍然还会继续上涨。     

基于ARIMA与季节指数组合模型的居民储蓄存款预测

建立了预测居民储蓄存款的ARIMA模型、季节指数预测模型及两者的组合优化模型,分别对2008—2014年上半年的居民储蓄存款数据进行拟合。结果表明,把ARIMA模型与季节指数预测模型进行组合建立优化模型的拟合更为精确,并且预测2015年末居民储蓄存款余额达525475.82亿元,希望能为相关决策部门提供科学依据。     

GARGH模型在上海股票市场波动性中的应用

研究股市波动性,有利于投资者的决策,同时有利于有关部门制定相关政策,来规范证券市场.本文以1997年1月2日至2010年8月5日的上证指数每日收盘价数据为样本,运用GARCH模型对其进行实证分析.第一部分简单介绍以往的关于股市波动性的研究,第二部分介绍了GARCH模型,第三部分运用GARCH模型进行实证分析,第四部分是本文的结论.     

上海股市有效性与可预测性并存的实证研究

选取上证日收盘价综合指数（1997／01／02－2001／05／30）作为样本,对上海股市的有效性与可预测性分别建立模型进行验证和分析：利用时间序列相关性分析和随机游程模型对上海股市的弱有效性进行检验;建立AR模型验证上海股市的可预测性。通过检验发现,上海股市既通过了弱有效性的检验,又通过了AR模型的验证,即是一个可预测的弱式有效市场。     

中国货币供给的变动规律与趋势预测——基于SARIMA模型的实证研究

探讨货币供给规律和预测其变化趋势,是学术研究热点,受到宏观管理部门和各类微观主体的广泛关注.本文利用EViews对2000年1月至2013年9月中国广义货币供应量据M2变动规律进行实证研究.根据M2月度数据特点,通过模型识别、参数估计和诊断检验,建立了能描述货币供给变动规律SARIMA(2,2,1)(1,2,1)12模型,并试图对未来货币供应量据M2进行预测.实证发现:第一,货币供给增量DM2与前两期DM2呈正相关关系,与上两期随机事件冲击,上一年同月DM2和上一年同月对DM2随机冲击成负相关关系;第二,模型预测结果误差被控制在合理范围内,证明所发现模型是合适的,以此对短期M2变化趋势进行较为准确的预测;第三,未来半年中国M2仍然保持增长态势.     

基于灰色理论的淮安市住宅价格预测

以住宅平均价格作为研究对象,以城镇居民人均可支配收入作为其主要影响因素,运用GM(1,1)灰色系统模型对淮安市2006～2012年住宅平均价格进行预测,预测精确度较高,表明灰色模型在预测住宅平均价格上有较强的科学性和可行性.在此基础上,对淮安市2013～2015年住宅平均价格进行预测.     

基于灰色GM(1,1)模型的四川省物流需求预测

以四川省2011-2015年的货运量数据为基础,根据灰色系统理论建立灰色GM(1,1)模型,对四川省未来五年的货运量进行预测.最后用残差检验和后验差检验的方式对预测结果进行检验,进一步证明预测结果的可信性.     

隔夜信息影响中国股市波动率模型预测能力吗?

本文选取2006年1月2日至2015年12月31日上证综合指数的日度数据作为样本,考察隔夜信息对中国股市波动率模型预测能力的影响.对隔夜信息根据时间进行界定,并将能够公开获取的隔夜信息分为三类:宏观政策指标类信息、海外市场交易类信息和上市公司信息披露.对经典的股市波动率模型-GARCH类模型和HAR类模型进行改进,具体研究隔夜信息是否能够优化股市波动率模型的拟合效果和预测能力.结果表明,两个交易日之间的隔夜信息会对后一个交易日的股市波动率产生影响,不同类别的隔夜信息在波动率模型中表现出了对股市波动率不同的影响趋势.更进一步,在GARCH类和HAR类模型中考虑隔夜信息可以提高股市波动率模型的拟舍效果和预测能力.